序列的提取和截取

序列的提取是我们生物学分析的基础操作,在许多分析中都会使用到。在这里给大家提供几个提取序列的命令。

序列的提取是我们生物学分析的基础操作,在许多分析中都会使用到。在这里给大家提供几个提取序列的命令。

1. seqkit

使用 seqkit subseq 通过指定区域提取序列

-r 通过区域来截取序列,提取 in.fa 前12个字符,可以用--chr指定染色体

seqkit subseq -r 1:12 data/in.fa  >  out.fa
seqkit subseq -r 1:12 data/genome.fa --chr chrI

--bed / --gtf 通过指定文件提取序列
seqkit subseq --bed data/gene.bed data/genome.fa >  out.fa
seqkit subseq --gtf data/gtf data/genome.fa > out.fa

使用 seqkit grep 命令,可以根据序列名称来提取特定的序列,也支持从文件列表中提取序列。

单个提取
seqkit grep --pattern YAL069W  data/gene.fa > out.fa 

批量提取 (list:ID列表 )
seqkit grep -f data/list data/gene.fa > out.fa

2. seqtk

使用 seqtk subseq 命令,可以根据序列名称来提取特定的序列,也支持从bed中提取序列。

位置信息文件 ( gene.bed )
seqtk subseq data/genome.fa data/gene.bed > out.fa


序列名称( list:ID列表 , -l可设定输出的每行长度)
seqtk subseq -l 80  data/gene.fa data/list  > out.fa


使用 seqtk trimfq 截取序列

切除前5个和后10个碱基
seqtk trimfq -b 5 -e 10 data/in.fa > out.fa


3. Samtools

samtools faidx data/genome.fa chrI:1-20 > out.fa

4. Bedtools

awk ‘{ if($3==“gene”) print $1“\t”$4“\t”$5“\t”$NF}’ data/gff | cut -d  “;” -f1 | sed “s/ID=//g” > data/gene.bed # 提取gene的bed文件
bedtools getfasta -fi data/genome.fa -bed data/gene.bed -nameOnly >  gene.fa


  • 发表于 2024-06-05 14:27
  • 阅读 ( 107 )
  • 分类:软件工具

0 条评论

请先 登录 后评论
Ti Amo
Ti Amo

37 篇文章

作家榜 »

  1. omicsgene 665 文章
  2. 安生水 333 文章
  3. Daitoue 167 文章
  4. 生物女学霸 120 文章
  5. 红橙子 78 文章
  6. CORNERSTONE 72 文章
  7. xun 69 文章
  8. rzx 69 文章